63
3. Uji Multikoleniaritas
Uji
multikolinearitas bertujuan untuk menguji apakah variabel pada model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang
baik seharusnya tidak ditemukan adanya korelasi di antar avariabel independen.
Tabel 4.10 Uji Multikolinearitas Substruktur 1
Coefficients
a
Model Unstandardized
Coefficients Standardiz
ed Coefficients
T Sig.
Collinearity Statistics
B Std. Error
Beta Toleranc
e VIF
1 Constant
5.375 2.718
1.978 .053
Entrepreneurial Networking
.565 .075
.718 7.505
.000 1.000
1.000 a. Dependent Variable: Keunggulan Bersaing
Sumber: Hasil Pengolahan SPSS 2016 Berdasarkan Tabel 4.10 dapat dilihat bahwa nilai VIF dari variabel
Entrepreneurial Networking lebih kecil atau dibawah 5 VIF 5, ini berarti tidak terkena multikolinearitas anatara variabel independen dalam model regresi. Nilai
tolerance dari variabel Entrepreneurial Networking lebih besar dari 0,1 tolerance 0,1, ini berarti tidak terdapat multikolinearitas antar variabel independen dalam
model regresi.
B. Uji Hipotesis 1. Melihat Kelayakan Model Regresi
1. Jika
�
�����
�
ℎ�����
, maka model regresi dianggap layak. 2. Jika nilai signifikan 0.05, maka model regresi dianggap layak.
Universitas Sumatera Utara
64
Tabel 4.11 Uji Kelayakan Model Regresi Substruktur 1
ANOVA
b
Model Sum of Squares
Df Mean Square
F Sig.
1 Regression
686.933 1
686.933 56.319
.000
a
Residual 646.449
53 12.197
Total 1333.382
54 a. Predictors: Constant, Keunggulan Bersaing
b. Dependent Variable: Entrepreneurial Networking
Sumber: Hasil Pengolahan SPSS 2016 Berdasarkan Tabel 4.11 dapat dilihat hasil perolehan F hitung pada kolom
F yakni sebesar 56, 319 dengan tingkat signifikansi 0,000. Sedangkan F Tabel pada tingkat kepercayaan 95
α = 0,005 adalah 2,6. Oleh karena kedua perhitungannya yaitu F hitung F tabel dan tingkat signifikansinya 0,000 0,05,
maka model regresi dinyatakan layak.
2. Menguji Ketepatan Predictor
Untuk menguji ketepatan predictor variabel eksogen yang digunakan untuk memprediksi variabel endogen dapat digunakan dengan membandingkan
jika angka standar error of estimate angka standar deviasi maka predictor dipakai layak benar Situmorang dan Lutfi, 2014 : 221.
Tabel 4.12 Uji Ketepatan Predictor Subtruktur 1
Descriptive Statistics
N Minimum
Maximum Mean
Std. Deviation Entrepreneurial Networking
55 17.00
42.00 35.7818
4.96913 Keunggulan Bersaing
55 13.00
30.00 25.5818
3.90958 Valid N listwise
55
Universitas Sumatera Utara
65
Model Summary
b
Model R
R Square Adjusted R
Square Std. Error of the
Estimate Durbin-Watson
1 .718
a
.515 .506
3.49244 1.976
a. Predictors: Constant, Keunggulan Bersaing b. Dependent Variable: Entrepreneurial Networking
Sumber: Hasil Pengolahan SPSS 2016 Dari Tabel 4.12 Dapat dilihat bahwa angka standart error of estimate
angka standar deviasi, maka predictor yang digunakan layakbenar. Berdasarkan tabel di atas dapat dilihat nilai standar deviasi Entrepreneurial Networking 4,96
diatas angka standart error of estimate 3,49.
3. Menguji Kelayakan Koefisien Regresi